"AI, 무어의 법칙 능가…3개월마다 2배"
스텐포드 HAI ‘AI Index 2019’
지도학습 이미지인식 훈련, 2017년 180분에서 2019년 1분30초
무어의 법칙은 프로세서 속도가 18개월에서 2년마다 두 배씩 증가하는 경향을 보였다. 이는 애플리케이션 개발자가 동일한 하드웨어 비용으로 2배의 애플리케이션 성능을 기대할 수 있다는 의미였다.
스텐포드대 HAI ‘AI Index 2019’ 보고서(McKinsey & Company, Google, PwC, OpenAI, Genpact 및 AI21Labs 등 제휴)는 AI 컴퓨팅 성능이 기존 프로세서 발전 속도보다 빠르게 가속화되고 있음을 발견했다.
보고서는 “2012년 이전에 AI 결과는 2년마다 두 배로 계산 된 무어의 법칙을 면밀히 추적했다”며 “2012년 이후 컴퓨팅은 3~4 개월마다 두 배로 증가했다”고 말했다.
이 연구는 ‘이미지넷(ImageNet)’ 이미지 식별 프로그램 진행 상황을 추적해 AI 알고리즘의 개선 추세를 조사했다. 이미지 분류 방법은 주로 지도(supervised ) 기반 기계학습(ML)에 기반 한다는 점을 감안, 보고서는 AI 모델 및 관련 비용을 훈련하는 데 걸리는 시간을 조사했다. 소프트웨어/하드웨어 발전을 반영해 AI 개발 인프라 성숙도를 측정한 것이다.
18개월 간 지도학습 이미지 인식을 위해 클라우드 기반에서 신경망을 훈련하는 데 필요한 시간은 2017년 10월 약 180분에서 2019년 7월 약 88초로 감소한 것으로 나타났다.
프라이빗 클라우드에서의 ‘ImageNet’ 훈련 시간에 대한 데이터 인스턴스는 퍼블릭 클라우드 AI훈련 시간 개선과 일치했다. 보고서는 레스넷(ResNet) 이미지 분류 모델을 사용해 높은 수준의 정확도를 달성하는 데 알고리즘이 소요되는 시간을 평가했다.
조사에 따르면 스탠포드 ‘DAWNBench’의 최신 벤치 마크에서 구글 클라우드 플랫폼(GCP)의 ‘TPU’를 사용해 ‘ResNet’ 모델을 실행했을 때 93 % 정확도보다 약간 높은 이미지 분류 정확도를 달성하는데 2017년 10월에는 약 2,323 달러가 소요된 반면 2018년 9월에는 12달러에 불과했다.

David is the Editor of The Science Monitor. Drawing on extensive experience as the Republic of Korea (ROK) Navy officer, he provide in-depth analysis at the intersection of science, technology, global security, geopolitics, and maritime strategy.
Contact: navy@scimonitors.com | LinkedIn





![[기획2]엔비디아 Isaac·GR00T, 로봇 AI 플랫폼 패권 경쟁](https://scimonitors.com/wp-content/uploads/2026/11/jetson-thor-1-1536x864-png-150x150.webp)

